良心推荐!GitHub14400颗星!非常不错的机器学习指南
机器学习无疑是现在最火的方向之一。因为大数据的兴起,尤其是伴随着5G时代的来临,万物互联,会产生越来越多的数据,给人工智能提供大量的样本数据可以训练模型。未来的社会将变的更加的智能,高效。AI将深入到我们的生活的方方面面。
许多新手学习机器学习,不知道如何入手?不能对概念进行理解?看不懂代码?今天小编给大家分享一个GitHub上非常火的学习资源,收获了14000+ 颗星,带你进入一个机器学习的交互式学习项目,让你轻松入门!
在这里还是要推荐下我自己建的Python开发学习群:1156465813,群里都是学Python开发的,如果你正在学习Python ,欢迎你加入,大家都是软件开发党,不定期分享干货(只有Python软件开发相关的),包括我自己整理的一份2020最新的Python进阶资料和高级开发教程,欢迎进阶中和进想深入Python的小伙伴!
本文图片内容来自网络,如侵必删
01 如何安装
该仓库基于python现有的仓库进行,只需要对应安装以下库,将仓库下载至本地即可食用
jupyter == 1.0.0
matplotlib == 3.0.1
numpy == 1.15.3
pandas == 0.23.4
plotly == 3.4.1
pylint == 2.1.1
scipy == 1.1.0
这里面仓库只需要下面命令即可安装,我这里添加了清华源镜像,方便大家安装
注意:如果您想快速安装,在下载该仓库后,直接在根目录运行以下命令可以直接安装,如果遇到问题,可选择上面进行单独安装进行问题的排查
02 内容介绍
机器学习包含了监督学习,非监督学习,神经网络等部分,此项目在每个部分都选取了经典的算法进行了理论与实践的讲解,之后还提供了一份机器学习路线图,以供后续学习参考。
下面对仓库的具体内容进行介绍,小编对仓库中的内容进行了简单的概括,如下图所示,对于机器学习的每一方面进行了一到两个算法的讲解实战,是简单的入门教程,如果想要深入学习,需要按照上面的学习路线图进行更深一步的学习噢!
对于仓库中的每一个涉及到的每一个算法,其都包含三个部分:数学推导,代码解析,示例演示,其中都有详细介绍,可方便阅读,但小伙伴要注意是英文的噢!
03 使用介绍
该项目提高提供在线观看,下载到本地使用两种方式。
1).在线学习
读者只需要打开主页的相应链接便可进行学习。该项目中的算法但都包含了Jupyter NBViewer的演示链接。这是Jupyter笔记本电脑的快速在线预览器,可以在浏览器中直接看到演示代码,图表和数据,而无需在本地安装任何内容。
如果想更改代码并试用演示笔记本,则需要在Binder中启动笔记本。可以通过简单地单击NBViewer右上角的图标执行。
小编在网页端进行代码修改测试的页面如下:
2).本地使用
下载到本地之后,直接在根目录运行以下命令,便可在本地浏览器进行学习。
04 示例学习
在这里选取其中一个典型代表进行解析,选取无监督学习中的K-means方法进行举例。K-means是指将n个观测值划分为k个聚类,使得组内平方和最小,从而完成聚类的方法。在这里小编根据提示进行了学习思路的整理,主要包含理论--代码--实践三个方面,大家可以参考这个方式进行学习。
01).理论学习
首先是理论学习,其界面图文并茂,详细介绍了K-means算法要解决的问题,以及其对应的数学描述。
2).代码构建
在k-means.py文件中,构建了KMeans类,其初始化输入为要处理的数据data以及要分为的类别数num_clusters,并构建了相应的类方法进行K-means算法的构造,每一行都有英文解释,方便理解
3).数据实践
在k-means.py文件构造完成后,在k_means_demo.ipynb是对该算法进行示例演示的demo,该演示是在jupyter notebook环境中进行,使得可以进行程序交互,我们可以看到每一步程序执行之后的数据变化,对于每一步代码的理解是十分有帮助的,其中用到的数据集在data文件夹均有提供。
好了,探索到这里就结束了,总之这个仓库还是十分值得学习的,对于机器学习中常见的算法都进行了详细的解释教学,对于一个机器学习的初学者十分友好,包含了图表数据演示,但想要在机器学习领域一展拳脚,单靠这个项目是不行的,需要大家按照学习路线更深一步的学习,小伙伴们Fighting!
注意:如果你是打算找python高薪工作的话。我建议你多写点真实的企业项目积累经验。不然工作都找不到,当然很多人没进过企业,怎么会存在项目经验呢? 所以你得多找找企业项目实战多练习下撒。如果你很懒不想找,也可以进我的Python交流圈:1156465813。群文件里面有我之前在做开发写过的一些真实企业项目案例。你可以拿去学习,不懂都可以在裙里找我,有空会耐心给你解答下。
项目链接:
https://github.com/trekhleb/homemade-machine-learning
此外,这个项目包含了matlab(octave)版本,大家可以根据自己的需求进行选择